The present invention relates to new energy automobile technology, in particular to a method for predicting the demand of new energy automobile for charging or changing electricity, a control device for implementing the method and a computer readable medium for implementing the method. According to one aspect of the present invention, a method for predicting the charging or switching demand of new energy vehicles includes the following steps: A) determining a plurality of interest points recently passed by new energy vehicles, in which the interest points are determined based on the historical driving trajectory of the user; B) estimating the next position of the new energy vehicles based on the prediction probability, which is that the current position reaches the nearest passing position. Probability of one of the multiple interest points; and C) determining the power-on or power-on requirements based on the next location.
【技术实现步骤摘要】
新能源汽车加电或换电需求的预测
本专利技术涉及新能源汽车技术,特别涉及用于预测新能源汽车加电或换电需求的方法、实施该方法的控制装置以及实施该方法的计算机可读介质。
技术介绍
对以电池作为动力唯一或部分来源的新能源汽车,电池补充能量的模式一般包括充电模式和换电模式两大类。在充电和换电服务中,不同用户对服务的需求往往具有差异性和随机性。通过提供个性化的充电和换电服务,可以明显提高用户体验。个性化服务依赖于对用户服务需求的准确预测。然而现有的充电或换电服务需求预测模型只能对特定空间范围内或具有特定属性的全体用户在一段时间内的服务需求进行预测,无法对单个用户的服务需求进行精准预测。
技术实现思路
本专利技术的一个目的是提供一种用于预测新能源汽车充电或换电需求的方法和装置,其能够实现对单个用户的充电或换电服务需求的精准预测。按照本专利技术一个方面的用于预测新能源汽车充电或换电需求的方法包含下列步骤:A)确定新能源汽车最近经过的多个兴趣点,其中,所述兴趣点基于用户的历史驾驶轨迹确定;B)基于预测概率估计新能源汽车的下一位置,所述预测概率为当前位置到达最近经过的多个兴趣点中的其中一 ...
【技术保护点】
1.一种用于预测新能源汽车加电或换电需求的方法,其特征在于,包含下列步骤:A)确定新能源汽车最近经过的多个兴趣点,其中,所述兴趣点基于用户的历史驾驶轨迹确定;B)基于预测概率估计新能源汽车的下一位置,所述预测概率为当前位置到达最近经过的多个兴趣点中的其中一个的概率;以及C)基于下一位置确定加电或换电需求。
【技术特征摘要】
1.一种用于预测新能源汽车加电或换电需求的方法,其特征在于,包含下列步骤:A)确定新能源汽车最近经过的多个兴趣点,其中,所述兴趣点基于用户的历史驾驶轨迹确定;B)基于预测概率估计新能源汽车的下一位置,所述预测概率为当前位置到达最近经过的多个兴趣点中的其中一个的概率;以及C)基于下一位置确定加电或换电需求。2.如权利要求1所述的方法,其中,通过对所述历史驾驶轨迹中包含的轨迹点进行聚类分析来确定兴趣点,所述聚类分析基于下列属性:新能源汽车在轨迹点处的行驶速度、轨迹点之间的距离和轨迹点的分布密度。3.如权利要求2所述的方法,其中,所述聚类分析按照下列方式进行:基于新能源汽车在轨迹点处的行驶速度和轨迹点之间的距离对历史驾驶轨迹进行聚类分析以得到多个停留位置,所述停留位置包含多个行驶速度和距离小于各自的设定阈值的轨迹点;以及基于停留位置之间的距离和停留位置内轨迹点的分布密度对停留位置进行聚类分析以得到至少一个兴趣点,所述兴趣点所包含停留位置之间的距离小于设定的阈值,并且所包含停留位置内轨迹点的密度大于设定的阈值。4.如权利要求3所述的方法,其中,所述停留位置之间的距离为所述停留位置的特征坐标之间的距离,所述特征坐标为停留位置所包含轨迹点的坐标的平均值。5.如权利要求1所述的方法,其中,在步骤B)中,利用变阶马尔科夫模型确定预测概率。6.如权利要求5所述的方法,其中,步骤B)包括:利用变阶马尔科夫模型从所述最近经过的兴趣点中确定一个或多个候选位置,所述候选位置为在满足状态数阈值条件的情况下对应于最高阶数的兴趣点;以及将预测概率最高的候选位置确定为下一位置。7.如权利要求5所述的方法,其中,步骤B)包括:...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。